文/楊健楷

讓無力者有力，讓悲觀者前行。

1999年新年的第一天，一份報紙的頭版，刊出了上面這句話。它是一篇新年獻詞中的詞句。

二十年過去了。一些最好的事情發生了，糟糕的也有不少，對大多數人來說，生活大多數時候沒有太多變化。人們還像過去一樣，慶祝每一次新的開始，在每一次結尾計算得失。

2019年的結尾，照例悲觀。

一個關於“週期”的段子，變成了笑柄。一位擅長預測的分析師曾斷言：

2019年將是觸底反彈的一年，八零後們將在這一年逆天改命。正在奔四的八零後們，又被忽悠了一次。

前一段，關於“2017和2019”的話題，多了起來。不敢想當年，人們流行起了小懷舊。2017沒有多好，2019沒有多差，在微弱的對比中，有心的人試圖尋找浪潮。

下一個十年的浪潮，藏在兩張圖片中：

2017年光環曲線。來源：Gartner

2019年光環曲線。來源：Gartner

這是諮詢機構Gartner釋出的2017和2019年的“光環曲線”圖。它反映的是該年科技行業不同領域的景氣程度，以及技術成熟所需時間的長短。

在2017年，Gartner預測，在32項新興科技中，有10項技術有望在2-5年之內成熟，佔總體比例的32%。到了2019年，形勢急轉直下。2-5年內成熟的新興科技，其佔總體比例的數字，下降到了17%。

數字的變化，反映的是人們對新興技術的樂觀程度。

當總體數字下降，人們情緒低沉。但最耐心的獵人永不會著急，他們會仔細尋找，按圖索驥，然後發現：

圖上藏著不落的“光環”。

1、不落的“光環”

人工智慧是2017年到2019年光環曲線上不落的“光環”。

這個領域的關鍵詞每年都在深化，顆粒度變得更細：2017年，是深度學習、機器學習；2018年，是神經網路專用晶片；2019年，是邊緣AI。從籠統的大概念，到細分領域的專有名詞，人們對於人工智慧的討論，正在更加深入。

作為前沿科技領域的資源平臺，我們也在為此盡一份薄力。

2019年12月19日，新加坡。

在2019年第六屆IEEE雲計算與智慧系統國際會議產業論壇上，

AIPharos邀請到了人工智慧業界最具創造力的一些學者與產業領袖，展開了一場關於智慧系統驅動產業變革的討論。

與會者有本次產業論壇主席Salesforce研究集團亞洲區Steven Hoi和6Estates公司Chao Wang，以及英偉達AI技術中心高階主管Simon See、松下新加坡研究院高階研發經理Pongsak Lasang、Sopra Steria亞洲區負責人Vera Jin、澎思科技首席科學家Jane Shen。

與會者合影，自左至右分別是Dr。 Pongsa

Sopra Steria亞洲區的負責人Vera Jin博士發言表示，新加坡自2006年就已經建立了1。0版本的智慧交通系統。在現實世界中構建系統會面臨很多挑戰，因而需要與時俱進地把分析與智慧控制系統相結合。

針對聽眾提問的“社會是否為自動駕駛車輛做好了準備”這一問題，Vera Jin認為，

社會永遠無法完全準備好，從來是技術推著人類往前走。

新加坡的智慧交通系統已經非常先進，但頻發的自動駕駛負面新聞，使得政府不得不尋找一條安全穩妥的路徑。Vera Jin認為自動駕駛車輛於新加坡來說，能夠有效緩解勞動力短缺的問題，但在新加坡政府決定使用自動駕駛巴士之前，大約還需要一年半的時間去測試。

在AI的發展中，城市治理是一片寬闊的戰場，不同公司發揮了不一樣的角色。Sopra Steria在新加坡的智慧交通系統中充當了整合者與ODM商的角色，澎思科技則在“平安城市”工程中廣泛地利用其AI技術。

澎思科技首席科學家Jane Shen認為，AI技術仍然在迅速地發展，每隔幾個星期，業界就會傳來一些新的突破。

Jane Shen將視覺智慧分為四個方面：影片、圖片的修復與增強；物體的識別、追蹤、分類與分析；影片結構化；影片智慧壓縮與影片總結。

在計算機視覺技術的加持下，影片壓縮極大地減少了對傳輸頻寬和儲存空間的需求，影片結構化顛覆了原來的影片分析方法，讓人們從周克華案時期的人工手動逐幀看影片分析，過渡到了“機器閱片”的時代。

這個月，Jane Shen帶領其團隊在大規模真實監控異常檢測資料集（UCF-Crime）上的成績重新整理世界紀錄，而這只是這家AI公司在眾多榜單和競賽中所取得的成就之一。

2、“光環”背後

昨天英偉達CEO黃仁勳現身蘇州，釋出Orin自動駕駛晶片，引起熱議。AIPharos請到了英偉達AI技術中心高階主管Simon See參與討論。

Simon在現場給出了佳士得拍賣的那幅著名的人工智慧繪畫作品所依據的“公式”。

2018年10月29日，巴黎藝術組織Obvious

藝術家們使用生成對抗網路（GAN）技術繪製了這幅畫，並賣出了43萬美元的“天價”。Simon表示，你可能有很多藝術創意，卻不一定有時間去實現，這個時候生成對抗網路能助你一臂之力，幫你實現心中的圖景。

而生成對抗網路的流行，只是深度神經網路得到大規模應用的冰山一角。神經網路的數量飛速增長，僅引數就從6000萬個增長到了87億個。面對急劇增加的運算壓力，現有的計算架構需要做出變革。

Simon表示，

高效運作的AI計算要求同時在四個方面做到出色：

計算速度、可擴充套件性、能源消耗與生態系統。

對於越發吃算力的AI來說，使用原有的PCIe高速序列匯流排標準用來傳輸資料、訓練演算法已經顯得昂貴，而NVLINK系統則經濟有效。

AI在光環曲線上的穩固位置，和AI在行業應用中的日益擴充套件，得益於背後成本-效益結構性因素的積極變化。

首先是AI自身的結構性改進。松下新加坡研究院高階研發經理Pongsak Lasang認為，在廣泛的嵌入式裝置中，ThinNet作為一種高效、輕量化的卷積神經網路，能夠在物體快速移動的同時實現精準識別。

同時，Pongsak Lasang在現場闡述了松下研發的多攝像頭視覺定位（Visual Localization）方案。松下的這種方案，能夠在沒有GPS定位和鐳射雷達系統（LIDAR）的硬體條件下執行。

基於地圖的定位方案在小的區域執行可以透過載入當前區域的地圖實現，但需要在整個新加坡執行的話，可能就要受到儲存和算力的限制。松下的多攝像頭視覺定位方案可以在車輛行駛時動態識別出車輛所在的位置，並與本地地圖進行匹配。該技術架構經濟有效，將安裝在豐田的LQ概念車型上，幫助實現低速執行狀態下的4級輔助駕駛。

松下的兩個案例凸顯了學術界與工業界的不同。學術界更加追求精度排名，但工業界要求用更好的模型降低問題的複雜度，並最終降低成本。

這種對於成本-效益的管理，是AI能夠在光環曲線近三年的新興科技淘汰賽中勝出的關鍵因素。

3、“光環”曲線之外

一項新興技術能夠連續三年待在光環曲線上面不容易。

Icon Ventures的Michael Mullany針對2000年到2016年的光環曲線做過一個統計。他發現，在統計的200多種新興技術中，有高達50多種新興技術只出現了一年，之後便消失的無影無蹤。也就是說，光環曲線上面約四分之一的技術可能也就是跑一次龍套，但是在龍套出現的時候，我們無從判斷它的持久重要性。

而重複好幾次出現在Gartner的光環曲線上，也像是一個詛咒。語音合成這項技術在21世紀初的頭幾年頻繁出現，但是直到最近才真正有所進展。“萬億級架構”這個Gartner生造的名詞，在光環曲線的2006年和2007年版本中分別出現，它是現在大資料採集管道的“先驅”。

此外，還有一些技術頻繁改頭換面，“新興”了十幾年，但直到最近才有所進展，AI就是其中之一。

在Gartner 1995年出的第一張光環曲線上，有一個看起來和人工智慧沒什麼關係的名字—“突現計算”。實際上，突現計算是一種類似神經網路的機器學習。還有一個叫“智慧代理”，過了兩年，微軟真的研發出了一個智慧代理Clippy，但很快就遭到了一致差評。而這個“智慧代理”，放到今天是類似於小冰、小愛的聊天機器人，主要涉及的技術是自然語義理解（NLP），這同樣是人工智慧領域非常重要的一個分支。

當AI以“邊緣AI”這樣的名字登上2019年光環曲線的時候，這意味著起碼在今年，人們就AI是什麼達成了共識，而不像2017年和2018年，我們還在討論“深度學習”、“機器學習”這些路線層面的問題。

AI正在像春雨一般“潤物細無聲”，滲透到複雜的人類社會系統。這種廣泛滲透的背後，是一種技術對於人的未來的關照。

每一個時代都有每一個時代的語境。在接下來一個十年，最好的和最壞的依舊並存，依舊有人無力，依舊悲觀不免，但一定還會發生一些改變。

關於真理、正義、公義、良知，還有愛。

每一項更好的技術，都會讓我們向前一點點